Анализ факторов, влияющих на стоимость туристической путевки в Испанию

 

 

Среднее зав. перемен	37730,18	Ст. откл. зав. перемен	2988,630
Сумма кв. остатков	1,47е+08	Ст. ошибка модели	1964,423
R-квадрат	0, 701499	Испр. R-квадрат	0,567959
F(17, 38)	1058,953	Р-значение (F)	0,000011

 

 

Из построенной модели (Таблица 6) можно сделать несколько выводов:

• Модель описывает 70% вариации цен на туристические путевки.
• Исправленный коэффициент детерминации равен 0,567959 и близок к обычному, что свидетельствует о хорошем качестве модели.
• Значение F-статистики больше р-значения (1058,953>0,000011), следовательно, регрессия признается значимой.
• Факторы STARS, HB, FB, AL, CONDITIONER, POOL, PLAYGROUND, BAR получили значимые оценки, при различных процентах значимости. Вероятно это значимые факторы, которые останутся в итоговой модели.
• Факторы DISTANCE, BB, SAFE, CARrent, Wi_Fi, Sroom, DAYEVENT, EVENINGEVENT, RESTAURANT, получили незначимые оценки.

Протестируем объясняющие переменные модели на мультиколлинеарность, при помощи метода инфляционных факторов:

VIF(j) = Rj ;

где – коэффициент множественной корреляциимежду j-ой переменной и совокупностью других факторных переменных.

Минимальное возможное значение = 1.0

Значения > 10.0 могут указывать на наличие мультиколлинеарности

Факторы	VIF
STARS	3,919
DISTANCE	1,600
BB	2,179
HB	2,480
FB	1,828
AL	1,313
SAFE	8,864
CONDITIONER	3,722
TV	10,947
POOL	2,169
CARrent	2,221
Wi_Fi	3,323
Sroom	1,470
PLAYGROUND	2,686
DAYEVENT	3,458
EVENINGEVENT	4,358
RESTAURANT	6,219
BAR	2,844

 

 

Выявлено одно значение > 10. Значит, мы должны исключить этот факторов. Мы исключаем фактор «TV».

Исключая фактор «TV», мы получаем следующие значения:

Факторы	VIF
STARS	3,585
DISTANCE	1,594
BB	2,179
HB	2,476
FB	1,826
AL	1,290
SAFE	7,991
CONDITIONER	2,788
POOL	1,924
CARrent	1,851
Wi_Fi	2,452
Sroom	1,465
PLAYGROUND	2,153
DAYEVENT	3,453
EVENINGEVENT	3,156
RESTAURANT	6,216
BAR	2,319

 

 

Так как все рассчитанные значения < 10, мультиколлинеарность отсутствует.

Перед тем как перейти к дальнейшему моделированию, необходимо проверить полученную модель при помощи МНК на гетероскедастичность. В качестве проверки на гетероскедастичность будем использовать тест Вайта. Тест Вайта показал, что р-значение больше тестовой статистики TR2 (28,412>27,4747), значит, гипотеза о наличии гетероскедастичности отвергается.

Проведем отбор факторов, пригодных для включения в итоговую модель. Воспользуемся пошаговым способом, который предполагает последовательное исключение незначимых факторов. Нельзя исключить их все сразу, потому что можно потерять значимые регрессоры, которые освободились от влияния незначимых.

Чтобы получить более адекватную модель, необходимо поочерёдно удалять незначимые факторы, начиная с того, у которого наиболее большое p-значение. Получена итоговая модель (Таблица ?). Все оставшиеся факторы оказались значимыми.

Таблица? - Оценки параметров итоговой линейной модели.

	Коэффициент	Ст. ошибка	t-статистика	P-значение	Значимость
const	35352,2	2781,36	12,71	1,71e-016	***
STARS	3439,74	811,377	4,239	0,0001	***
HB	1891,44	607,853	3,112	0,0032	***
FB	3626,61	814,083	4,455	5,51e-05	***
AL	9006,38	2153,47	4,182	0,0001	***
POOL	-6993,38	2153,47	-3,247	0,0022	***
CARrent	-1798,76	604,337	-2,976	0,0047	***
PLAYGROUND	-2050,76	680,612	-3,013	0,0042	***
EVENINGEVENT	1832,85	769,032	2,383	0,0214	**
BAR	-3311,65	921,437	-3,594	0,0008	**

 

 

Среднее зав. перемен	37730,18	Ст. откл. зав. перемен	2988,630
Сумма кв. остатков	1,70е+08	Ст. ошибка модели	1940,898
R-квадрат	0,654927	Испр. R-квадрат	0,578244
F(17, 45)	8,540721	Р-значение (F)	1,31е-07

 

 

2.4 Анализ полученных  результатов

В итоговой модели мы получили 10 значимых факторов. Далее интерпретируем полученные нами результаты:

1. Фактор STARS получил коэффициент равный 3439,74 следовательно, одна звезда отеля дает увеличение в стоимости на 3439,74. Это объясняется тем, что отель получив одну звезду становится  на уровень выше, качество его услуг повышается.
2. Фактор HB дает увеличение в стоимости путевки на 1894,44, так как предполагает пакет питания, такой как завтрак и ужин  с безалкогольными напитками на завтрак.
3. Фактор FB дает увеличение в стоимости путевки на 3626,61 так как предполагает пакет питания, такой как завтрак обед и ужин с безалкогольными напитками на завтрак.
4. Фактор AL дает увеличение в стоимости путевки на 9006,38 так как предполагает пакет питания, такой как все включено.
5. Фактор POOL, который предполагал под собой наличие или отсутствия бассейна при отели, как ни странно влияет на путевку в лучшую сторону, он снижает ее стоимость на    6993,38.
6. Фактор CARrent, подразумевающий под собой наличие возможности проката автомобиля при отеле снижает стоимость путевки на 1798,76.
7. Фактор PLAYGROUND, подразумевающий под собой наличие или отсутствие игровой площадки для детей снижает стоимость на 2050,76.
8. Фактор EVENINGEVENT, подразумевающий под собой вечернюю анимацию при отеле, дает увеличение в стоимости на 1832,85. Это можно связать с тем, что люди не привыкли развлекать сами себя.
9. Фактор BAR дает уменьшение стоимости путевки на 3311,65. Это можно связать с тем, что бар это вечерне-ночное заведение и не каждого постояльца отеля обрадует соседство с баром.

 

Заключение

 

Список литературы

http://tours-tv.com/ru/news/8878

http://www.interfax.ru/tourism/tourisminf.asp?sec=1466&id=285564

http://ourspain.ru/turism/news2080.html